JSAI : Journal Scientific and Applied Informatics

Vol. 3, No. 3, November 2020, hal. 175~182

E-ISSN: 2614-3054; P-ISSN: 2614-3062, accredited by Kemenristekdikti, Sinta 5
DOI: 10.36085

IMPLEMENTASI METODE WEIGHTED PRODUCT (WP)

DALAM SISTEM PENGAMBILAN KEPUTUSAN
DOSEN TERBAIK TEKNIK KOMPUTER AKADEMI ILMU
KOMPUTER TERNATE
1
Ilham Djufri, 2Muksin Hi. Abdullah, 3Seh Turuy
1,2,3Akademi Ilmu Komputer Ternate, Indonesia
1ilham.djufri@aikomternate.ac.id, 2muksinabdullah18@gmail.com, 3sehturuy85@gmail.com

Article Info ABSTRAK

Article history: Dosen merupakan tenaga akademik yang bertugas merencanakan dan
melaksanakan proses pembelajaran, menilai hasil pembelajaran, melakukan
Received, 27/11/2020 pembimbingan dan pelatihan, serta melakukan penelitian dan pengabdian
Revised, 28/11/2020 pada masyarakat (Tri Dharma) Perguruan Tinggi. Dalam melaksanankan Tri
Accepted, 1/12/2020 Dharma Perguruan Tinggi doesen perlu diberikan apresiasi atau promosi
sesuai dengan kinerja akademiknya. Oleh karena itu, peneliti mendesain
analisis pengambilan keputusan pemilihan dosen terbaik pada Program Studi
Kata Kunci: Teknik Komputer Akadedemi Ilmu Komputer Ternate. Tujuannya adalah
memilih dosen terbaik dengan cara perangkingan. Untuk menentukan dosen
SPK,
terbaik peneliti menggunakan teknik pengambilan data dengan cara
WP,
penyebaran kuisioner terhadap 16 (enam belas) mahsaiswa Teknik Komputer
pemilihan,
sebagai penilai terhadap 5 (lima) alternative (dosen) Teknik Komputer dengan
dosen,
menerapkan metode analisis perhitungan metode Weighted Product. Kriteria
terbaik
pemilihan yang digunakan adalah Kemampuan Logika Berpikir, Terampil
Melakukan Evaluasi Assessment, Terampil Menyajikan Materi Kuliah dan
Kedisiplinan. Data hasil analisis perhitungan mendapatkan Alternatif
(dosen) yang memperoleh nilai tertinggi adalah alternative (dosen) ABUR
(A4) 0.2328.

ABSTRACT

Keywords: Lecturers are academic staff in charge of planning and implementing the
learning process, assessing learning outcomes, conducting guidance and
DSS, training, and conducting research and community service (Three Dharma) for
WP, Higher Education. In implementing the Three Dharma of Higher Education, it
election, is necessary to give appreciation or promotion according to its academic
lecturer, performance. Therefore, the researchers designed a decision-making analysis
best for choosing the best lecturers in the Computer Engineering Study Program,
Akademi Ilmu Komputer, Ternate. The goal was to select the best lecturers by
ranking. To determine the best lecturer, the researchers used data collection
techniques by distributing questionnaires to 16 (sixteen) Computer
Engineering students as assessors of 5 (five) alternative (lecturers) Computer
Engineering by applying the calculation analysis method of
the Weighted Product method. The selection criteria used are Logic Thinking,
Synthesis Analysis Ability, Material Delivery Methods and Dress Procedures
(Appearance). The data from the calculation analysis indicated that the
alternative (lecturer) who got the highest score was the alternative
(lecturer) ABUR (A4) 0.2328.
This is an open access article under the CC BY-SAlicense.

1. PENDAHULUAN
Penyelenggaraan pendidikan di Perguruan Tinggi tidak lepas dari peran dosen. Dosen merupakan
tenaga akademik yang berfungsi sebagai merencanakan dan melaksanakan kegiatan pembelajaran,
penelitian dan pengabdian kepada masyarakat (Sujaini, Herry, and Helen Sasty Pratiwi. 2016) [1].
Dosen adalah orang yang berpengalaman dalam bidang profesi. Dengan keilmuan yang dimilikinya
dapat menjadikan anak didik menjadi orang yang cerdas (Rini, Dedi, and Riyanti 2015) [2].

JSAI : Journal Scientific and Applied Informatics 175

 JSAI : Journal Scientific and Applied Informatics
Vol. 3, No. 3, November 2020, hal. 175~182
E-ISSN: 2614-3054; P-ISSN: 2614-3062, accredited by Kemenristekdikti, Sinta 5
DOI: 10.36085

Pemilihan dosen terbaik secara periodik dapat memacu semangat dosen dalam meningkatkan
dedikasi dan kinerja. Namun pada Program studi Teknik Komputer Akademi Ilmu Komputer
Ternate belum pernah dilaksanakan pemilihan atau penilaian dosen terbaik, hal ini disebabkan
oleh belum tersedianya media dan Standar Operasional Prosudur (SOP) sebagai pedoman atau
acuan untuk melaksakan tugas pekerjaan sesuai dengan fungsi dosen Program Studi Teknik
Komputer pada Akademi Ilmu Komputer Ternate berdasarkan indicator-indikator teknis,
administrative dan prosudural sesuai dengan tata kerja proses belajar mengajar yang dapat
memproses penilaian dosen dan memberi perankingan dalam pemilihan dosen terbaik (Widagdo et
al. 2019) [3].
Untuk pemilihan dosen terbaik Program Studi Teknik Komputer pada Akademi Ilmu Komputer
Ternate membutuhkan system, dalam hal ini peneliti menggunakan system pendukung keputusan
dengan metode Weighted Product (WP ) yang dapat mengolah setiap data dalam model algoritma
agar dapat menghasilakan nilai keputusan sebagai Alternatif (dosen) terbaik. Hal ini dapat menjadi
nilai tambah bagi Akademi Ilmu Komputer Ternate yang belum memiliki manajemen sistem secara
menyeluruh sehingga dapat mendukung nilai akreditasi kampus dengan memanfaatkan hasil
penelitian ini untuk membangun system Informasi dengan merancangan aplikasi system
pengambilan keputusan.
Penelitian yang dilaksakan oleh (Sulastri, C., Siswanti, S., & KW) [4] dengan judul “SPK
Penilaian Dosen Berprestasi Menggunakan metode Weighted Product (WP) Di STIKKES ALMA
ATA Yogyakarta”. Tujuan untuk menyajikan informasi dengan mengimplementasikan metode
Weighted Product untuk mempermudah dalam menentukan penilaian dosen berprestasi. Penelitian
terkait lainnya yang dilakukan oleh (Marpaung, Handayani, and Yesputra 2018) [5] dengan judul
“SPK Pemilihan Dosen Terbaik Dengan Metode Weighted Product (WP) Pada STMK RORAL”
Penelitian ini untuk memberikan kemudahan bagi pengambil keputusan untuk memilih dosen terbaik
di kampus STMK RORAL.
Tinjauan penelitian yang dilakukan oleh (Hidayat, Mufizar, and Ramdani) [6] dengan judul
“Implementasi Metode Weighted Product. Pada SPK Seleksi Calon Karyawan BPJS Kesehatan
Tasikmalaya”. Menerapkan sistem pendukung keputusan seleksi calon karyawan dengan Metode
Weighted Product. Sedangkan penelitian yang dilakukan oleh peneliiti bertujuan untuk menerapkan
metode perhitungan metode Weigthed Product untuk pemilihan dosen terbaik pada Program Studi
Teknik Komputer pada Akadedemi Ilmu Komputer (AIKOM) Ternate, dengan teknik pengambilan
data penyebaran kuisioner dan hasil perhitungannya dilengkapi dengan grafik yang tidak diliki oleh
penelitian sebelumnya, sehingga mempermudah untuk pembacaan hasil pemilihan dosen
terbaik.Konsep Sistem Pendukung Keputusan (SPK) atau Decision Support Systems (DSS) pertama
kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management
Decision System [7].
Sistem Pendukung Keputusan/Decision Support System (DSS) merupakan sisten informasi
interaktif yang menyediakan informasi, pemodelan, dan pemenipulasian data. Sistem itu digunakan
untuk membantu pengambilan keputusan dalam situasi yang semi-terstruktur, dimana tak seorang pun
tahu secara pasti.DSS tidak dimaksudkan untuk mengotomisasi pengambilan keputusan, tetapi
memberikan perangkat interaktif yang memungkinkan pengambilan keputusan untuk melakukuakn
berbagai analisis menggunakan model-model yang tersedia [8].
Tujuan dari Sistem Pengambilan keputusan adalah untuk membantu pengambilan keputusan
memilih berbagai alternative keputusan yang merupakan pengolahan informasi-informasi yang
diperoleh atau tersedia dengan menggunakan model mengambilan kepiutusan. Ciri utama sekaligus
keunggulan dari system pendukung keputusan tersebut adalah kemampuannya untuk menyelesaikan
masaalah-masaalah yang tidak terstruktur [9]. Metode Weighted Product (WP) adalah sebuah
metode dari Multiple Attribute Decision Making (MADM). MADM adalah suatu metode yang
digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari
MADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan
proses perankingan yang akan menyeleksi alternatif yang sudah diberikan [10]. Metode Weighted
Product merupakan perkalian untuk menghubungkan rating atribut ,dimana rating dari setiap atribut
harus dipangkatkan dengan bobot atribut yang bersangkutan. Metode Weighted Product memerlukan
proses normalisasi karena metode ini mengakalikan setiap atribut. Hasil perkalian tersebut belum
bermakna jika belum dibandingkan dengan nilai standar. Bobot untuk atribut berfungsi sebagai pangkat

JSAI : Journal Scientific and Applied Informatics 176

 JSAI : Journal Scientific and Applied Informatics
Vol. 3, No. 3, November 2020, hal. 175~182
E-ISSN: 2614-3054; P-ISSN: 2614-3062, accredited by Kemenristekdikti, Sinta 5
DOI: 10.36085

positif dalam proses perkalian, sementara bobot biaya berfungsu sebagai pangkat negative. Proses
pengambilan keputusan [11] yang dapat dilakukan oleh pembuat keputusan menggunakan Sistem
Pengambilan Keputusan. Awalnya, pengambil keputusan memilih lokasi pusat yang akan diteliti.
Kemudian, pembuat keputusan memilih alternative dan kriteria yang akan digunakan dalam
penelitian.
Sistem manajemen database atau database management system (DBMS) adalah merupakan
suatu sistem software yang memungkinkan seorang user dapat mendefinisikan, membuat, dan
memelihara serta menyediakan akses terkontrol terhadap data. Database sendiri adalah sekumpulan
data yang berhubungan dengan secara logika dan memiliki beberapa arti yang saling berpautan [12].
MADM adalah [13] suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah
alternatif dengan kriteria tertentu. Inti dari MADM adalah menentukan nilai bobot untuk setiap
atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang
sudah diberikan. Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah MADM
antara lain.
a. Simple Additive Weighting Method (SAW)
b. Weighted Product (WP)
c. Technique for Order Preference by
d. Similarity to Ideal Solution (TOPSIS)
e. Analytic Hierarchy Process (AHP)

2. METODE PENELITIAN
2.1 Kerangka Penelitian
Metode penelitian yang digunakan adalah metode kualitatif, Teknik dan jenis pengumpulan
data yang digunakan untuk memperoleh data sebagai bahan perhitungan algoritma dalam penelitian
ini adalah menggunakan metode Weihted Product. Penulis menggunakan teknik pengumpulan data
berupa sumber data primer dengan teknik penyebaran kuisioner [14]. Dengan jumlah sebaran 16
(enam belas) kuisioner yang di nilai oleh Mahasiswa program studi Teknik Komputer dengan 5
(lima) alternative (dosen) Program Studi Teknik Komputer. Alur penelitian dengan metode Weighted
Product sebagai berikut;
Menentukan tingkat
Menentukan Menentukan criteria
Mulai kepentingan setiap
alternatif (A) (K) criteria

Menentukan bobot

Selesai Menentukan nilai setiap

alternatif

Membuat grafik nilai vector Menentukan kategori

V kriteria

Menentukan nilai vector V Menentukan nilai vector S Perbaikon bobot ሺσ 𝑤 = 1ሻ

Gambar 1. Alur Penelitian

JSAI : Journal Scientific and Applied Informatics 177

 JSAI : Journal Scientific and Applied Informatics
Vol. 3, No. 3, November 2020, hal. 175~182
E-ISSN: 2614-3054; P-ISSN: 2614-3062, accredited by Kemenristekdikti, Sinta 5
DOI: 10.36085

3.2 Langkah-langkah analisis perhitingan.

Menentukan Alternatif (A) [15].
a. Pada penelitian ini penentuan alternative menggunakan 5 (lima) Alternatif (dosen) sebagai
obyek yang akan dinilai oleh 16 (enm belas) mahsiswa Teknik Komputer dengan metode
pengisian kuisioner.
b. Menentukan Kriteria (K).
Kriteria penilaian (pemilihan) yang digunakan adalah Kemampuan Logika Berpikir,
Terampil Melakukan Evaluasi Assessment, Terampil Menyajikan Materi Kuliah dan
Kedisiplinan.
c. Menentukan tingkat kepentingan suatu criteria.
Tingkat kepentingan kriteria yang digunakan adalah Sangat Penting, Penting, Kurang
Penting dan Tidak Penting.
d. Menentukan bobot kriteria.
Dengan bobot kriteria Sangat penting = 6, Penting = 5, Kurang Penting = 4 dan tidak Penting
=2
e. Menentukan nilai setiap alternative disetiap criteria.
Nilai Alternatif dari setiap Kriteria yang yang digunakan adalah Logika berpikir = 6,
Kemampuan analisa sintesis = 5, Metode penyampaian materi kulaiah = 4 dan Cara
Berpakaian (Penampilan) = 2
f. Menentukan kategori disetiap criteria. Berpangkat negative bila termasuk kategori
minimal, dan berpangkat positif bila termasuk kategori maksimal. Untuk Kriteria
Kemampuan Logika Berpikir, Terampil Melakukan Evaluasi Assessment, Terampil dan
Menyajikan Materi Kuliah adalah kategori Maksimal dan Kedisiplinan adalah kategori
Minimal.
g. Melakukan perbaikan/normalisasi bobot ሺσ 𝑤 = 1ሻ.
h. Untuk melakukan normalisasi bobot criteria menggunakan persamaan;
𝑾𝒋
Wj = σ𝒏 .…..(1)
𝒋=𝟏 𝑾𝒋
i. Menghitung nilai Vektor S.
Menentukan Nilai Vektor (S) dapat menggunakan persamaan sebagai berikut;
Si = ∏𝒏𝒋=𝟏 𝑿𝒊𝒋 𝑾𝑱 .…..(2)
j. Menghitung nilai Vektor V yang akan digunakan perankingan. Nilai Vi yang terbesar
mengindikasikan bahwa Ai adalah yang lebih dipilih.
k. Menentukan Nilai vector V. Dengan menggunakan persamaan berikut ini untuk
menghitung preferensi untuk perangkingan;
𝑺𝒊
Vi = 𝒏 ∗ ..….(3)
∏𝒋 (𝑿𝒋 ) 𝑾𝒋
l. Hasil perhitungan nilai vector V dibuatkan dalam grafik.

3. Hasil dan Pembahasan

A. Hasil
Pengolahan data Weight Product
Teknik pengambilan data anlisis perhitungan metode Weight Product yang
digunakan adalah penyebaran kuisioner yang menjadi obyek penyebaran adalah
mahasiswa Teknik Komputer terdiri dari 16 (enam belas) kuisioner terhadap 5 (lima) dosen
Teknik Komputer sebagai Alternatif. Rating kecocokan adalah 1. Sangat Penting, 2.
Penting, Cukup Penting, 4. Kurang Penting.

Pengambilan keputusan memberikan bobot referensi Kriteria W = (6, 5, 4. 2)

Normalisasi bobot Persamaan dengan menggunakan persamaan sebagai berikut;
𝑾𝒋
Wj = σ𝒏 𝑾𝒋 ………..(1)
𝒋=𝟏

JSAI : Journal Scientific and Applied Informatics 178

 JSAI : Journal Scientific and Applied Informatics
Vol. 3, No. 3, November 2020, hal. 175~182
E-ISSN: 2614-3054; P-ISSN: 2614-3062, accredited by Kemenristekdikti, Sinta 5
DOI: 10.36085

Tabel 1. Alternative Kriteria

Kritria Keterangan Bobot
K1 Kemampuan Logika Berpikir 6
K2 Terampil Melakukan Evaluasi 5
Assessment
K3 Terampil Menyajikan Materi 4
Kuliah
K4 Kedisiplinan 2

B. Pengambilan keputusan memberikan bobot referensi Kriteria W = (6, 5, 4. 2).

Normalisasi bobot Kriteria
Normalisasi adalah proses penskalaan nilai atribut dalam rentang tertentu (seperti 0 hingga
1), dengan cara yang semua perilaku memiliki besaran yang kira-kira sama.
a. Normalisasi bobot criteria menggunakan persamaan (1) dapat dilihat dari W1, W2,
W3, dan W4.
𝟔 𝟔
W1 = = = 0.3529
6+5+4+2 17
𝟓 𝟓
W2 = 6+5+4+2 = 17 = 0.2941
𝟒 𝟒
W3 = 6+5+4+2 = 17 = 0.23523
𝟐 𝟐
W4 = = = 0.1176
6+5+4+2 17
b. Selanjutnya adalah hasil normalisasi pembobotan Kriteria yang dapat dilihat pada
tabel berikut;
Tabel 2. Hasil normalisasi bobot criteria
Kriteria Hasil normalisasi
K1 0.3529
K2 0.2941
K3 0.2353
K4 0.1176

Nilai hasil pemilihan data dosen terbaik Program Studi Teknik Komputer
berdasarkan kuisioner.

Tabel 3. Penilaian Mahasiswa Teknik Komputer terhadap dosen Teknik Komputer

NAMA DOSEN/ CODE KRITERIA/BOBOT

ALTERNATIF
K1 K2 K3 K4

DSMU A1 0.2656 0.2469 0.1938 0.2938

INTS A2 0.2531 0.2219 0.2969 0.2281
TNSA A3 0.2188 0.2219 0.1938 0.3656
ABUR A4 0.2750 0.2563 0.2719 0.1969
USTH A5 0.2595 0.2438 0.2938 0.2031

Menentukan Nilai Vektor (S).

Menentukan Nilai Vektor (S) dapat menggunakan persamaan sebagai berikut;
Si = ∏𝒏𝒋=𝟏 𝑿𝒊𝒋 𝑾𝑱 ………..(2)

JSAI : Journal Scientific and Applied Informatics 179

 JSAI : Journal Scientific and Applied Informatics
Vol. 3, No. 3, November 2020, hal. 175~182
E-ISSN: 2614-3054; P-ISSN: 2614-3062, accredited by Kemenristekdikti, Sinta 5
DOI: 10.36085

S1 = (0. 2656𝟎.𝟑𝟓𝟐𝟗 ሻሺ0.2469𝟎.𝟐𝟗𝟒𝟏 ሺ0.1938𝟎.𝟐𝟑𝟓𝟑 ሻሺ0.2938−𝟎.𝟏𝟏𝟕𝟔 ሻ = 0.3259

S2 = (0.2531𝟎.𝟑𝟓𝟐𝟗 ሻሺ0.2219𝟎.𝟐𝟗𝟒𝟏 ሺ0.2969𝟎.𝟐𝟑𝟓𝟑 ሻሺ0.2281−𝟎.𝟏𝟏𝟕𝟔 ሻ = 0.3536
S3 = (0.2188𝟎.𝟑𝟓𝟐𝟗 ሻሺ0.2219𝟎.𝟐𝟗𝟒𝟏 ሺ0.1938𝟎.𝟐𝟑𝟓𝟑 ሻሺ0.3656−𝟎.𝟏𝟏𝟕𝟔 ሻ = 0.2874
S4 = (0.2750𝟎.𝟑𝟓𝟐𝟗 ሻሺ0.2563𝟎.𝟐𝟗𝟒𝟏 ሺ0.2719𝟎.𝟐𝟑𝟓𝟑 ሻሺ0.1969−𝟎.𝟏𝟏𝟕𝟔 ሻ = 0.3786
S5 = (0.2595𝟎.𝟑𝟓𝟐𝟗 ሻሺ0.2438𝟎.𝟐𝟗𝟒𝟏 ሺ0.2938𝟎.𝟐𝟑𝟓𝟑 ሻሺ0.2031−𝟎.𝟏𝟏𝟕𝟔 ሻ = 0.3709
Menentukan Nilai vector V. Dengan menggunakan persamaan berikut ini untuk
menghitung preferensi untuk perangkingan;

𝑺𝒊
Vi = ……….(3)
∏𝒏 ∗
𝒋 (𝑿𝒋 ) 𝑾𝒋

0.3259 0.3259
V1 = = = 0.1899
0.3259+0.3536+0.2874+0.3786+0.3709 𝟏.𝟔𝟐𝟔𝟓
0.3536 0.3536
V2 = 0.3259+0.3536+0.2874+0.3786+0.3709 = 𝟏.𝟔𝟐𝟔𝟓 = 0.2060
0.2874 0.2875
V3 = = = 0.1674
0.3259+0.3536+0.2874+0.3786+0.3709 1.6265
0.3786 0.3786
V4 = 0.3259+0.3536+0.2874+0.3786+0.3709 = 1.6265 = 0.2206
0.3709 0.3709
V5 = 0.3259+0.3536+0.2874+0.3786+0.3709 = 1.6265 = 0.2161

Nilai preverensi V; V1 = 0.1899, V2 = 0.2060, V3 = 0.1674, V4 = 0.2206, V5 = 0.2161

Tabel 4. Nilai hasil perankingan

Rangking Nama Code Hasil

dosen/Alternatif
1 ABUR A4 0.2206
2 USTH A5 0.2161
3 INTS A2 0.2060
4 DSMU A1 0.1899
5 TNSA A3 0.1674

HASIL
0,25
0,2206 0,2161
0,2 0,2060
0,1899
0,1674
0,15
0,1
0,05
0
DSMU (A1) INTS (A2) TNSA (A3) ABUR (A4) USTH (A5)

Gambar 2. Grafik hasil analis perhitungan nilai preverensi/vector V

JSAI : Journal Scientific and Applied Informatics 180

 JSAI : Journal Scientific and Applied Informatics
Vol. 3, No. 3, November 2020, hal. 175~182
E-ISSN: 2614-3054; P-ISSN: 2614-3062, accredited by Kemenristekdikti, Sinta 5
DOI: 10.36085

4. KESIMPULAN (11 PT)

A. Penentuan keputusan terbaik dari rekomendasi hasil analisis nilai vector V berdasarkan
grafik, maka diperoleh rekomendasi; Dosen terbaik hasil pemilihan yang dilakukan oleh
Mahasiswa Teknik Komputer terhadap 5 (lima) Alternatif (dosen) adalah Alternatif (dosen)
ABUR (A4) = 0.2206
B. Hasil penelitian ini dilengkapi dengan grafik hasil penankingan sehingga berbeda dengan
penelitian sebelumnya yang di jadikan sebagai tinjauan pustakan.
UCAPAN TERIMA KASIH
Kepada Direktur Akademi Ilmu Komputer Ternate yang telah memberika kesempatan kepada peneliti untuk
melaksanakan penelitian pada Akademi Ilmu Komputer Ternate. Kepada Ketua Prodi Teknik Komputer, Ketua
Penjaminan mutu, dan Pembatu Direktur I bidang akademik yang bersedia di wawancara untuk pengambilan
data penelitian. Kepada rekan-rekan dosen dan mahasiswa Akademi Ilmu Komputer Ternate yang selalu
meluangkan waktu untuk berdiskusi terkait dengan penelitian. Kepada Pengelola Jurnal JSAI : Journal
Scientific and Applied Informatics yang menerima dan bersedia untuk mempublis hasil penelitian
ini.
REFERENSI
[1] Sujaini, Herry, and Helen Sasty Pratiwi. 2016. “DOSEN TERBAIK MENGGUNAKAN
METODE PROMETHEE ( STUDI KASUS : TEKNIK INFORMATIKA UNIVERSITAS
TANJUNGPURA ).” 1(1):1–6.
[2] Rini, Puput Puspito, Dedi, and Nova Riyanti. 2015. “Sistem Pendukung Keputusan Pemilihan
Dosen Terbaik Berbasis Web Dengan Metode SAW (Simple Additive Weighting) (Studi
Kasus: STMIK Global Tangerang).” Sisfotek Global 5(2):9.
[3] Widagdo, Putut Pamilih, Ramadiani, Septya Maharani, and Eko Junirianto. 2019. “Sistem
Informasi Akreditasi Program Studi Di Fakultas Ilmu Komputer Dan Teknolgi Informasi
Universitas Mulawarman.” Query: Jurnal Sistem Informasi 3(2):14.
[4] Sulastri, C., Siswanti, S., & KW, A. K. 2016. “Sistem Pendukung Keputusan Penilaian Dosen
Berprestasi Menggunakan Weighted Product (Wp) Di Stikes Alma Ata Yogyakarta.” Jurnal
Teknologi Informasi Dan Komunikasi 4(2):62–68.
[5] Marpaung, Nasrun, Masitah Handayani, and Rolly Yesputra. 2018. “Sistem Pendukung
Keputusan Pemilihan Dosen Terbaik Dengan Metode Weighted Product (WP) Pada STMIK
Royal.” Seminar Nasional Royal 2018 9986(September):267–70.
[6] Hidayat, Cepi Rahmat, Teuku Mufizar, and Muhamad Dadan Ramdani. 2018. “Implementasi
Metode Weighted Product ( Wp ) Pada Sistem Pendukung Keputusan Seleksi Calon Karyawan
Bpjs Kesehatan Tasikmalaya.” 8–9.
[7] Ishak, Rezqiwati. 2016. “Jurnal Ilmiah ILKOM Volume 8 Nomor 3 ( Desember 2016 ) SISTEM
PENDUKUNG KEPUTUSAN PEMILIHAN PENYULUH LAPANGAN KELUARGA
Copyright © 2016 -- Jurnal Ilmiah ILKOM -- All Rights Reserved . Jurnal Ilmiah ILKOM
Volume 8 Nomor 3 ( Desember 2016 ).” 8(Desember):160–66.
[8] Kusrini. 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta: C.V Andi
Offet.
[9] Khairina, Dyna Marisa, Dio Ivando, and Septya Maharani. 2016. “Implementasi Metode
Weighted Product Untuk Aplikasi Pemilihan Smartphone Android.” 8(1):1–8.
[10] Syafitri, Nur Arifah, Anita Puspita Dewi. 2016. Penerapan Metode Weighted Product dalam
Sistem Pendukung Keputusan Pemilihan Laptop Berbasis Web Jurusan Teknik Informatika, 2(1)
: 169-176
[11] Linden, Isabelle, Shaofeng Liu, Fátima Dargam, Jorge E. Hernández, Euro Working, and Group
Conferences. 2014. Decision Support Systems IV – Information and Knowledge.
[12] Prasetyo, Budi, Timothy John Pattiasina, and Anggya Nanda Soetarmono. 2015. “Perancangan
Dan Pembuatan Sistem Informasi Gudang (Studi Kasus : PT. PLN (Persero) Area Surabaya
Barat).” Teknika 4(1):12–16.
[13] Yasdomi, Kiki, and Urfi Utami. 2018. “Sistem Pendukung Keputusan Karyawan Terbaik
Menggunakan Metode Weight Product ( WP ) ( Studi Kasus : Universitas Pasir Pengaraian ).”

JSAI : Journal Scientific and Applied Informatics 181

 JSAI : Journal Scientific and Applied Informatics
Vol. 3, No. 3, November 2020, hal. 175~182
E-ISSN: 2614-3054; P-ISSN: 2614-3062, accredited by Kemenristekdikti, Sinta 5
DOI: 10.36085

4(1):129–43.
[14] Sulastri, C., Siswanti, S., & KW, A. K. 2016. “Sistem Pendukung Keputusan Penilaian Dosen
Berprestasi Menggunakan Weighted Product (Wp) Di Stikes Alma Ata Yogyakarta.” Jurnal
Teknologi Informasi Dan Komunikasi 4(2):62–68.
[15] Marpaung, Nasrun, Masitah Handayani, and Rolly Yesputra. 2018. “Sistem Pendukung
Keputusan Pemilihan Dosen Terbaik Dengan Metode Weighted Product (WP) Pada STMIK
Royal.” Seminar Nasional Royal 2018 9986(September):267–70.

JSAI : Journal Scientific and Applied Informatics 182